Ambition : proposer un cadre de vie dans lequel les flux cyclistes sont sécurisés et des moyens sont mis en oeuvre pour systématiquement réduire l’occurrence d’accidents impliquant des cyclistes
Analyse a posteriori : Identifier les zones accidentogènes d’un territoire pour les cyclistes à travers l’analyse des flux et des caractéristiques des lieux d’accident
Analyse a priori : identifier les zones susceptibles de présenter des caractéristiques accidentogènes sur la base de l’analyse a posteriori
Reproductibilité : Proposer un modèle d’analyse générique pour permettre de réaliser l’évaluation d’un territoire par une collectivité, une association ou des usagers avertis avec comme objectif de proposer des évolutions de la voirie susceptible de réduire l’accidentologie
T1 - Définir les caractéristiques types des zones accidentogènes à travers l’analyse fine de la voirie, des flux, de la météo et de toutes propriétés discriminantes
T2 - Identifier les zones d’un territoire géographique susceptible de présenter des critères accidentogènes sur la base de ces critères
Data > Produire un module d’analyse open-source, documenté et partagé pour les zones accidentogènes.
Communication > Promouvoir le modèle d’analyse à travers un site internet, un github et des outils de communication à destination des cibles identifiés
1- Les collectivités pour les aider à prioriser les investissements dans les équipements de sécurisation de voirie des flux cyclistes sur leurs territoires.
2- Les associations de cyclistes pour analyser les territoires et appuyer leurs plaidoyers pour demander des évolutions des pratiques des collectivités
3- Les fournisseurs de service d’itinéraires cyclistes pour intégrer le contournement de zones identifiables comme plus accidentogènes dans leurs calculs
Individu: Aménagement cyclable
n = 2292
Variables:
le “d” signifie à droite, le ”g” signifie à gauche
ame_d = type d’aménagement (variable qualitative nominale)
regime_d = lieu du type d’aménagement (var quali nomi)
sens_d = sens de l’aménagement (var quali nomi)
statut_d = le statut de l’aménagement (var quali nomi)
revet_d = la matière de l’aménagement (var quali nomi)
data_maj = la date à laquelle l’aménagement a été crée (var quali nomi)
trafic_vit = la limitation de vitesse de la route à côté de la piste cyclable (var quanti discrète)
local_d = où se trouve l’aménagement par rapport à la route (var quali nomi)
lumiere = si l’aménagement est allumé (TRUE) ou pas (FALSE) (var qualitative nominale)
largeur = la largeur de l’aménagement (var quanti discrète)
geometry = la ligne correspondant à l’aménagement
On se rend compte qu’il y a plus d’accidents en vélo lorsque la limitation de vitesse est de 50.
Remarque: j’enlève la ligne 532 car il y a un -1 dans la colonne des limitations des vitesses et ce -1 s’affiche donc dans mon histogramme. Etant donné que je n’arrive pas à enlever ce -1 avec un replace (R ne voit pas ce -1 comme étant un -1 dans la table), j’ai donc décidé de le faire manuellement en regardant à quelle ligne il se situait et l’enlever.
Je n’ai pas réussi à le faire malgré de nombreuses tentatives mais par la suite, nous verrons que nous possédons déjà ces informations dans une autre table.
## [1] 548Avec “length(unique(merged_usager$Num_Acc))”, on se rend compte que cette table merged_usager contient tous les accidents, et pour chaque accident on a au minimum 1 individu en vélo impliqué. Les autres individus peuvent être en voiture, en transport en commun ou bien à pied.
-1 = Non renseigné
0 = Non renseigné
1 = Domicile – travail
2 = Domicile – école
3 = Courses – achats
4 = Utilisation professionnelle
5 = Promenade – loisirs
9 = Autre
On se rend compte que les accidents impliquant un vélo se déroule souvent lors de loisirs ou de promenade.
Localisation du piéton :
-1 – Non renseigné
0 – Sans objet
Sur chaussée :
1 – A + 50 m du passage piéton
2 – A – 50 m du passage piéton
Sur passage piéton :
3 – Sans signalisation lumineuse
4 – Avec signalisation lumineuse
Divers :
5 – Sur trottoir
6 – Sur accotement
7 – Sur refuge ou BAU
8 – Sur contre allée
9 – Inconnue
##
## -1 0 1 2 3 4 5 8 9
## 75 950 1 6 3 5 6 1 2La plupart des localisations des piétons sont “sans objet”, ce n’est donc pas très utile d’en tirer de l’information.